信息处理方法、装置、电子设备以及计算机存储介质制造方法及图纸

本申请提供信息处理方法、装置、电子设备及计算机存储介质，在信息处理方法中，基于实体对象图像、文体信息以及属性信息结构图，获得了多种模态的属性信息，进而后续能够充分完善实体对象的属性信息；由于属性信息结构图中的各个属性信息包含待预测属性信息，实际上是将待完善的实体对象的属性信息预先置于属性信息结构图中，通过将各个模态的特征进行融合，进而能够获得待预测属性信息对应的预测结果信息；同时，由于在该信息处理方法中，针对实体对象图像、文体信息以及属性信息结构图，采用不同的特征提取方式进行特征提取，之后进行融合处理，进而能充分利用属性信息结构图中的图结构化信息，进而使获得的实体对象的完善属性信息更加充分。性信息更加充分。性信息更加充分。

【技术实现步骤摘要】
信息处理方法、装置、电子设备以及计算机存储介质


[0001]本申请涉及计算机
，具体涉及信息处理方法、装置、电子设备以及计算机存储介质。

技术介绍

[0002]随着电商平台在日常生活中的普及，商品推荐在电商平台中变得越来越重要。当然，可以理解的是，在进行商品推荐时，商品的属性信息越全面越能吸引用户对商品进行浏览、点击、收藏、加购或者订购等操作。这主要是由于商品的属性信息越全面越能够使用户全面了解商品。
[0003]商品的相关属性信息一般可以通过几种方式进行展示，如：商品图像、商品标题以及商品详情。但是对于大量的商品而言，可能仍然存在一些商品的商品属性信息展示得不够全面。因而如何对商品的属性信息进行完善成为当前亟需解决的技术问题。

技术实现思路

[0004]本申请提供一种信息处理方法，以解决如何对商品的属性信息进行完善的技术问题，本申请还提供与信息处理方法对应的信息处理装置、电子设备以及计算机存储介质。
[0005]本申请提供一种信息处理方法，包括：
[0006]获得用于表示实体对象的实体对象图像、用于描述实体对象详情的文体信息以及用于表示实体对象的各个属性信息的属性信息结构图；其中，所述属性信息结构图以图结构化的方式表示实体对象的属性信息，所述属性信息结构图中的各个属性信息包含已知属性信息与待预测属性信息；
[0007]基于训练后的目标神经网络模型，使用第一特征提取方式提取所述实体对象图像的第一特征，使用第二特征提取方式提取所述文体信息的第二特征，使用第三特征提取方式提取所述属性信息结构图的第三特征；其中，所述第三特征提取方式用于将所述属性信息结构图中的图结构信息转换为使用自然语言表示的信息；
[0008]对所述第一特征、所述第二特征与所述第三特征进行融合处理，获得融合特征；
[0009]根据所述融合特征，获得所述待预测属性信息对应的预测结果信息。
[0010]可选的，所述使用第三特征提取方式提取所述属性信息结构图的第三特征，包括：
[0011]基于提示学习方式，提取所述属性信息结构图中的实体对象信息与所述各个属性类别信息；将所述实体对象信息与所述各个属性类别信息作为所述第三特征。
[0012]可选的，所述提取所述属性信息结构图中的实体对象信息与所述各个属性类别信息，包括：
[0013]提取所述属性信息结构图中的实体对象；
[0014]基于所述属性信息结构图的图结构，提取所述实体对象对应的各个属性类别；
[0015]根据所述实体对象与所述属性信息结构图，获取所述实体对象对应的实体对象信息；
[0016]根据所述各个属性类别与所述属性信息结构图，获取所述各个属性类别对应的各个属性类别信息。
[0017]可选的，所述训练后的目标神经网络模型中包含卷积神经网络、分词器；
[0018]所述使用第一特征提取方式提取所述实体对象图像的第一特征，使用第二特征提取方式提取所述文体信息的第二特征，使用第三特征提取方式提取所述属性信息结构图的第三特征，包括：
[0019]使用所述卷积神经网络提取所述实体对象图像的特征，获取第一特征；
[0020]使用所述分词器提取所述文体信息的特征，获取第二特征；
[0021]使用所述分词器提取所述属性信息结构图的特征，获取第三特征。
[0022]可选的，还包括：
[0023]获得实体对象集合以及与实体对象集合对应的实体对象信息集合；
[0024]获得实体对象集合对应的各个属性类别集合以及与各个属性类别集合对应的属性类别信息集合；
[0025]所述使用第一特征提取方式提取所述实体对象图像的第一特征，使用第二特征提取方式提取所述文体信息的第二特征，使用第三特征提取方式提取所述属性信息结构图的第三特征，包括：
[0026]基于所述实体对象集合、所述实体对象信息集合、所述各个属性类别集合以及所述属性类别信息集合，使用第一特征提取方式提取所述实体对象图像的第一特征，使用第二特征提取方式提取所述文体信息的第二特征，使用第三特征提取方式提取所述属性信息结构图的第三特征。
[0027]可选的，还包括：
[0028]根据所述第一特征，获得对第一特征进行向量化表示的第一特征向量；
[0029]根据所述第二特征，获得对第二特征进行向量化表示的第二特征向量；
[0030]根据所述第三特征，获得对第三特征进行向量化表示的第三特征向量；
[0031]所述对所述第一特征、所述第二特征与所述第三特征进行融合处理，获得融合特征，包括：
[0032]对所述第一特征向量、所述第二特征向量与所述第三特征向量进行融合处理，获得融合特征向量，将所述融合特征向量作为所述融合特征。
[0033]可选的，还包括：
[0034]对所述第一特征向量进行编码处理，获得编码后的第一特征向量；
[0035]对所述第二特征向量进行编码处理，获得编码后的第二特征向量；
[0036]对所述第三特征向量进行编码处理，获得编码后的第三特征向量；
[0037]所述对所述第一特征向量、所述第二特征向量与所述第三特征向量进行融合处理，获得融合特征向量，包括：
[0038]对所述编码后的第一特征向量、所述编码后的第二特征向量以及所述编码后的第三特征向量进行融合处理，获得融合特征向量。
[0039]可选的，所述对所述编码后的第一特征向量、所述编码后的第二特征向量以及所述编码后的第三特征向量进行融合处理，获得融合特征向量，包括：
[0040]将所述编码后的第二特征向量对应的部分特征向量与所述编码后的第一特征向
量进行拼接，获得拼接后的第一特征向量；
[0041]将所述编码后的第二特征向量对应的部分特征向量与所述编码后的第三特征向量进行拼接，获得拼接后的第三特征向量；
[0042]根据所述拼接后的第一特征向量、所述编码后的第二特征向量以及所述拼接后的第三特征向量，获得融合特征向量。
[0043]可选的，所述将所述编码后的第二特征向量对应的部分特征向量与所述编码后的第一特征向量进行拼接，获得拼接后的第一特征向量，包括：
[0044]根据所述编码后的第一特征向量，获得对应所述编码后的第一特征向量中的要查询的第一信息对应的第一信息向量、被查询的索引信息对应的第一索引向量以及查询得到的第一值对应的第一值向量；
[0045]根据所述编码后的第二特征向量，获得对应所述编码后的第二特征向量中的要查询的第二信息对应的第二信息向量、被查询的索引信息对应的第二索引向量以及查询得到的第二值对应的第二值向量；
[0046]将所述第一索引向量与所述第二索引向量进行拼接作为所述第一索引向量的拼接向量，将所述第一值向量与所述第二值向量进行拼接作为所述第一值向量的拼接向量；
[0047]将所述第一信息向量、所述第一索引向量的拼接向量以及所述第一值向量的拼接向量共同作为拼接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理方法，其特征在于，包括：获得用于表示实体对象的实体对象图像、用于描述实体对象详情的文体信息以及用于表示实体对象的各个属性信息的属性信息结构图；其中，所述属性信息结构图以图结构化的方式表示实体对象的属性信息，所述属性信息结构图中的各个属性信息包含已知属性信息与待预测属性信息；基于训练后的目标神经网络模型，使用第一特征提取方式提取所述实体对象图像的第一特征，使用第二特征提取方式提取所述文体信息的第二特征，使用第三特征提取方式提取所述属性信息结构图的第三特征；其中，所述第三特征提取方式用于将所述属性信息结构图中的图结构信息转换为使用自然语言表示的信息；对所述第一特征、所述第二特征与所述第三特征进行融合处理，获得融合特征；根据所述融合特征，获得所述待预测属性信息对应的预测结果信息。2.根据权利要求1所述的方法，其特征在于，所述使用第三特征提取方式提取所述属性信息结构图的第三特征，包括：基于提示学习方式，提取所述属性信息结构图中的实体对象信息与所述各个属性类别信息；将所述实体对象信息与所述各个属性类别信息作为所述第三特征。3.根据权利要求2所述的方法，其特征在于，所述提取所述属性信息结构图中的实体对象信息与所述各个属性类别信息，包括：提取所述属性信息结构图中的实体对象；基于所述属性信息结构图的图结构，提取所述实体对象对应的各个属性类别；根据所述实体对象与所述属性信息结构图，获取所述实体对象对应的实体对象信息；根据所述各个属性类别与所述属性信息结构图，获取所述各个属性类别对应的各个属性类别信息。4.根据权利要求2所述的方法，其特征在于，所述训练后的目标神经网络模型中包含卷积神经网络、分词器；所述使用第一特征提取方式提取所述实体对象图像的第一特征，使用第二特征提取方式提取所述文体信息的第二特征，使用第三特征提取方式提取所述属性信息结构图的第三特征，包括：使用所述卷积神经网络提取所述实体对象图像的特征，获取第一特征；使用所述分词器提取所述文体信息的特征，获取第二特征；使用所述分词器提取所述属性信息结构图的特征，获取第三特征。5.根据权利要求1所述的方法，其特征在于，还包括：获得实体对象集合以及与实体对象集合对应的实体对象信息集合；获得实体对象集合对应的各个属性类别集合以及与各个属性类别集合对应的属性类别信息集合；所述使用第一特征提取方式提取所述实体对象图像的第一特征，使用第二特征提取方式提取所述文体信息的第二特征，使用第三特征提取方式提取所述属性信息结构图的第三特征，包括：基于所述实体对象集合、所述实体对象信息集合、所述各个属性类别集合以及所述属性类别信息集合，使用第一特征提取方式提取所述实体对象图像的第一特征，使用第二特
征提取方式提取所述文体信息的第二特征，使用第三特征提取方式提取所述属性信息结构图的第三特征。6.根据权利要求1所述的方法，其特征在于，还包括：根据所述第一特征，获得对第一特征进行向量化表示的第一特征向量；根据所述第二特征，获得对第二特征进行向量化表示的第二特征向量；根据所述第三特征，获得对第三特征进行向量化表示的第三特征向量；所述对所述第一特征、所述第二特征与所述第三特征进行融合处理，获得融合特征，包括：对所述第一特征向量、所述第二特征向量与所述第三特征向量进行融合处理，获得融合特征向量，将所述融合特征向量作为所述融合特征。7.根据权利要求6所述的方法，其特征在于，还包括：对所述第一特征向量进行编码处理，获得编码后的第一特征向量；对所述第二特征向量进行编码处理，获得编码后的第二特征向量；对所述第三特征向量进行编码处理，获得编码后的第三特征向量；所述对所述第一特征向量、所述第二特征向量与所述第三特征向量进行融合处理，获得融合特征向量，包括：对所述编码后的第一特征向量、所述编码后的第二特征向量以及所述编码后的第三特征向量进行融合处理，获得融合特征向量。8.根据权利要求7所述的方法，其特征在于，所述对所述编码后的第一特征向量、所述编码后的第二特征向量以及所述编码后的第三特征向量进行融合处理，获得融合特征向量，包括：将所述编码后的第二特征向量对应的部分特征向量与所述编码后的第一特征向量进行拼接，获得拼接后的第一特征向量；将所述编码后的第二特征向量对应的部分特征向量与所述编码后的第三特征向量进行拼接，获得拼接后的第三特征向量；根据所述拼接后的第一特征向量、所述编码后的第二特征向量以及所述拼接后的第三特征向量，获得融合特征向量。9.根据权利要求8所述的方法，其特征在于，所述将所述编码后的第二特征向量对应的部分特征向量与所述编码后的第一特征向量进行拼接，获得拼接后的第一特征向量，包括：根据所述编码后的第一特征向量，获得对应所述编码后的第一特征向量中的要查询的第一信息对应的第一信息向量、被查询的索引信息对应的第一索引向量以及查询得到的第一值对应的第一值向量；根据所述编码后的第二特征向量，获得对应所述编码后的第二特征向量中的要查询的第二信息对应的第二信息向量、被查询的索引信息对应的第二索引向量以及查询得到的第二值对应的第二值向量；将所述第一索引...

【专利技术属性】
技术研发人员：邵建智，张涛，陈起进，霍承富，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：